深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 16751 篇文献，本页显示第 14741 - 14760 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14741 | 2025-03-12 |
Autoregressive models for session-based recommendations using set expansion
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2734
PMID:40062273
|
研究论文 | 本文提出了一种新的基于集合的会话推荐模型DSETRec，通过将会话数据视为无序集合来捕捉项目间的耦合关系和共现模式，从而提高在顺序信息不可用或嘈杂情况下的预测准确性 | DSETRec模型从集合的角度处理会话推荐问题，消除了对交互序列的依赖，能够更好地捕捉无序交互模式并适应不同的会话长度 | 模型在顺序信息明确且可靠的场景下可能不如序列模型有效 | 开发一种更灵活和通用的会话推荐系统 | 会话数据 | 机器学习 | NA | 深度学习 | 自回归模型 | 会话数据 | 基准数据集（如Yoochoose） | NA | NA | NA | NA |
| 14742 | 2025-03-12 |
ALL-Net: integrating CNN and explainable-AI for enhanced diagnosis and interpretation of acute lymphoblastic leukemia
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2600
PMID:40062280
|
研究论文 | 本文介绍了一种新模型ALL-Net，用于通过自定义卷积神经网络（CNN）架构和可解释人工智能（XAI）检测急性淋巴细胞白血病（ALL） | ALL-Net结合了CNN和XAI技术，通过LIME算法解释模型预测，解决了深度学习模型的黑箱问题，并在处理数据不平衡问题上表现出色 | 尽管ALL-Net在大多数模型上表现优异，但与DenseNet201相比有0.5%的微小差异 | 提高急性淋巴细胞白血病的诊断准确性和模型的可解释性 | 急性淋巴细胞白血病（ALL）的外周血涂片（PBS）图像 | 计算机视觉 | 白血病 | 卷积神经网络（CNN）和可解释人工智能（XAI） | CNN | 图像 | 3,256张外周血涂片（PBS）图像，分为四类：良性（hematogones）和三种ALL亚型（Early B, Pre-B, Pro-B） | NA | NA | NA | NA |
| 14743 | 2025-03-12 |
MFI-Net: multi-level feature invertible network image concealment technique
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2668
PMID:40062291
|
研究论文 | 本文提出了一种基于可逆网络的新型图像隐藏方法MFI-Net，通过引入新的上采样卷积块和频率域损失函数，有效利用图像的多层次信息，提高了图像隐藏的质量和安全性 | 提出了新的上采样卷积块（UCB）和频率域损失（FDL），有效利用图像的低层次和高层次特征，提高了隐藏信息的精确度和图像质量 | 现有方法在隐藏区域选择上缺乏精确性，主要依赖残差结构，未能充分利用低层次特征，导致生成结果质量下降和网络过拟合风险增加 | 提高图像隐藏技术的质量和安全性 | 图像隐藏技术 | 计算机视觉 | NA | 深度学习，可逆网络 | MFI-Net | 图像 | DIV2K, COCO, ImageNet数据集 | NA | NA | NA | NA |
| 14744 | 2025-03-12 |
Gradient pooling distillation network for lightweight single image super-resolution reconstruction
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2679
PMID:40062290
|
研究论文 | 本文提出了一种梯度池化蒸馏网络（GPDN），用于轻量级单图像超分辨率重建 | 提出了梯度池化蒸馏模块和特征通道注意力模块，通过多层次堆叠的特征蒸馏混合单元捕获多尺度特征表示，并动态优化特征空间 | 尽管在性能和资源利用率之间取得了平衡，但在某些计算资源极其受限的场景下，可能仍需进一步优化 | 设计一种高效的单图像超分辨率算法，以在资源受限的场景中实现高质量图像重建 | 低分辨率图像 | 计算机视觉 | NA | 深度学习技术 | 梯度池化蒸馏网络（GPDN） | 图像 | NA | NA | NA | NA | NA |
| 14745 | 2025-03-12 |
Testing convolutional neural network based deep learning systems: a statistical metamorphic approach
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2658
PMID:40062296
|
研究论文 | 本文提出了一种统计变形测试（SMT）技术，用于测试基于卷积神经网络（CNN）的深度学习系统，特别是在医疗领域的肺炎检测模型中验证其有效性 | 提出了一种不需要固定随机种子的统计变形测试技术，结合七种变形关系和统计方法，验证深度学习模型的正确性，并提出了变形关系最小化算法以节省计算资源 | 研究主要针对CNN模型，未涉及其他类型的深度学习模型，且实验范围局限于肺炎检测 | 解决传统变形测试技术在验证深度学习模型时的局限性，特别是在随机初始化权重的情况下 | 基于CNN的深度学习模型 | 机器学习 | 肺炎 | 统计变形测试（SMT） | CNN | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 14746 | 2025-03-12 |
Design and analysis of teaching early warning system based on multimodal data in an intelligent learning environment
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2692
PMID:40062295
|
研究论文 | 本文设计并分析了一种基于多模态数据的智能学习环境中的教学预警系统 | 提出了一种高效的长视频情感过渡点搜索算法和基于面部特征的中性情感片段过滤算法，并引入了基于深度学习的多模态情感识别模型，结合注意力机制进行特征级模态融合 | 未提及具体的数据集大小或实验结果的广泛验证 | 提高在线教育环境中教师情感表达的智能评估和改进 | 教学视频中的情感片段和情感识别 | 自然语言处理 | NA | 深度学习 | 多模态情感识别模型 | 视频、语音、面部图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 14747 | 2025-03-12 |
Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2698
PMID:40062307
|
研究论文 | 本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平 | 创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择 | 未提及具体局限性 | 研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度 | 维生素D缺乏水平 | 机器学习 | NA | 深度学习，进化计算 | CNN, BiLSTM, GA | 医疗数据 | 基准数据集 | NA | NA | NA | NA |
| 14748 | 2025-03-12 |
Review of models for estimating 3D human pose using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2574
PMID:40062308
|
综述 | 本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战 | 本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向 | 尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战 | 探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用 | 3D人体姿态估计模型 | 计算机视觉 | NA | 深度学习 | NA | 图像, 视频 | NA | NA | NA | NA | NA |
| 14749 | 2025-03-11 |
In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning
2025-Aug-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127762
PMID:39999584
|
研究论文 | 本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性 | 结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能 | NA | 提高LIBS作为高精度分析工具的性能 | 金属样品的连续LIBS烧蚀过程 | 机器学习和光谱分析 | NA | 拉曼光谱和激光诱导击穿光谱（LIBS） | 深度卷积神经网络（CNN） | 光谱数据 | NA | NA | NA | NA | NA |
| 14750 | 2025-10-07 |
Two algorithms for improving model-based diagnosis using multiple observations and deep learning
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107185
PMID:39862533
|
研究论文 | 本文提出了两种结合多观测数据和深度学习的模型诊断算法，显著提升了诊断准确率和计算效率 | 首次将多观测数据集成到基于模型的诊断中，并设计了缓存机制消除冗余计算 | 仅在模拟三罐模型上进行实验验证，未在真实复杂系统中测试 | 提升基于模型诊断的准确率和计算效率 | 复杂系统的故障诊断 | 机器学习 | NA | 深度学习 | NA | 多观测数据 | NA | NA | NA | 诊断准确率, 计算时间 | NA |
| 14751 | 2025-10-07 |
Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107152
PMID:39874821
|
研究论文 | 提出一种基于SNR估计的动态权重调制端点感知音视频语音增强系统 | 通过SNR估计模块动态调整音视频端点信息权重，解决高信噪比环境下冗余信息导致的性能下降问题 | 未明确说明具体的数据集规模和实验环境限制 | 提升音视频语音增强系统在不同噪声环境下的性能 | 音视频语音信号 | 语音增强 | NA | 深度学习，注意力机制 | 端点感知网络(EANet) | 音频，视频 | 基准数据集（未明确具体数量） | NA | 端点感知网络(EANet) | 语音质量，语音可懂度 | NA |
| 14752 | 2025-10-07 |
Multi-knowledge informed deep learning model for multi-point prediction of Alzheimer's disease progression
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107203
PMID:39922154
|
研究论文 | 提出一种融合多知识信息的深度学习模型Mul-KMPP，用于阿尔茨海默病多时间点进展预测 | 提出双路径方法提取全局和局部脑特征，结合AAL解剖知识设计诊断模块，并创建包含诊断损失、预测损失和一致性损失的复合损失函数 | NA | 准确预测阿尔茨海默病的进展过程 | 老年人阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 图像 | 819个样本 | NA | Mul-KMPP | 准确率, 敏感度, 特异度, AUC | NA |
| 14753 | 2025-10-07 |
Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107128
PMID:39817982
|
研究论文 | 提出了一种基于脉冲神经网络的混合神经网络模型Spiking-PhysFormer，用于从面部视频中测量心脏活动和生理信号 | 首次将脉冲神经网络引入远程光电容积描记技术领域，设计了并行脉冲驱动变压器块和简化的脉冲自注意力机制 | NA | 开发能效更高的远程生理信号测量方法，降低移动设备部署的计算资源需求 | 面部视频中的脉搏波、心率和呼吸率等生理信号 | 计算机视觉 | 心血管疾病 | 远程光电容积描记技术 | 混合神经网络,SNN,Transformer | 视频 | 四个数据集：PURE、UBFC-rPPG、UBFC-Phys和MMPD | NA | Spiking-PhysFormer，包含ANN补丁嵌入块、SNN变压器块和ANN预测头 | 功耗降低百分比，性能保持度 | NA |
| 14754 | 2025-10-07 |
Automatic visual detection of activated sludge microorganisms based on microscopic phase contrast image optimisation and deep learning
2025-Apr, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13385
PMID:39846854
|
研究论文 | 提出基于显微相差图像优化和深度学习的活性污泥微生物自动视觉检测方法 | 提出基于融合方差的相差图像质量优化算法、轻量级YOLOv8n-SimAM模型和IW-IoU损失函数 | NA | 实现活性污泥微生物的快速准确检测 | 活性污泥中的八种微生物 | 计算机视觉 | NA | 显微相差成像 | YOLOv8 | 显微相差图像 | 包含八种微生物的数据集（具体数量未提及） | NA | YOLOv8n-SimAM | 检测精度, 运行速度 | NA |
| 14755 | 2025-10-07 |
Automated Euler number of the alveolar capillary network based on deep learning segmentation with verification by stereological methods
2025-Apr, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13390
PMID:39887731
|
研究论文 | 本研究开发基于深度学习的自动化方法用于肺泡毛细血管网络的图像分割和定量分析 | 首次将2D深度学习方法应用于SBF-SEM数据的肺泡毛细血管网络分割，并与传统体视学方法进行验证比较 | 训练数据量有限，采用2D而非3D分割方法，分析数据量不足以获得BPD诱导的ACN改变的代表性数据 | 开发自动化的肺泡毛细血管网络定量分析方法 | 肺泡毛细血管网络 | 数字病理学 | 支气管肺发育不良 | 连续块面扫描电子显微镜 | 深度学习 | 电子显微镜图像 | 有限数量的SBF-SEM数据 | NA | NA | 分割质量评估，结果可靠性验证 | NA |
| 14756 | 2025-03-11 |
Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks
2025-Mar-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0255288
PMID:40062757
|
研究论文 | 本文提出了一种基于深度学习的方法，用于加速自洽场理论（SCFT）模拟，并通过深度神经网络（DNN）直接映射早期SCFT结果到平衡结构，显著减少了模拟时间 | 通过深度神经网络直接映射早期SCFT结果到平衡结构，避免了耗时的SCFT迭代，显著提高了模拟效率 | 需要生成训练数据集，且训练网络的成本可能较高 | 加速自洽场理论（SCFT）模拟，提高计算效率 | 嵌段共聚物（BCP）自组装 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 模拟数据 | NA | NA | NA | NA | NA |
| 14757 | 2025-10-07 |
AI-Driven Drug Discovery for Rare Diseases
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01966
PMID:39689164
|
综述 | 探讨人工智能在罕见病药物发现领域的应用潜力与最新进展 | 系统阐述AI技术如何通过药物重定位、生物标志物发现等方法突破传统药物研发模式，填补罕见病研究领域的文献空白 | 作为综述文章，未涉及具体实验验证和原始数据 | 加速罕见病的治疗开发并改善患者预后 | 罕见病及其治疗方法的开发 | 机器学习 | 罕见病 | 机器学习(ML), 深度学习(DL) | NA | NA | 全球3亿患者（基于流行病学数据） | NA | NA | NA | NA |
| 14758 | 2025-03-11 |
Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision
2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.14041
PMID:40055947
|
研究论文 | 本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性 | 结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性 | 该方法的准确性尚不足以用于临床应用 | 研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性 | 上颌无牙模型上的6个种植体和扫描体 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 视频 | 10次重复实验 | NA | NA | NA | NA |
| 14759 | 2025-03-11 |
Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT
2025-Mar-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8730
PMID:40054878
|
系统综述与荟萃分析 | 本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析 | 本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性 | 研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性 | 评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果 | 儿童头部CT扫描 | 医学影像 | 儿科疾病 | CT扫描、迭代重建技术 | NA | 医学影像数据 | 20项研究 | NA | NA | NA | NA |
| 14760 | 2025-10-07 |
Impact of Downsampling Size and Interpretation Methods on Diagnostic Accuracy in Deep Learning Model for Breast Cancer Using Digital Breast Tomosynthesis Images
2025-Mar-06, The Tohoku journal of experimental medicine
DOI:10.1620/tjem.2024.J071
PMID:39048348
|
研究论文 | 研究下采样尺寸和图像插值方法对基于数字乳腺断层摄影的深度学习模型诊断准确性的影响 | 首次系统评估不同下采样尺寸和五种插值方法对乳腺癌症诊断深度学习模型性能的影响 | 回顾性研究，样本量相对有限（499例患者） | 优化深度学习模型的预处理步骤以提高乳腺癌症诊断准确性 | 接受乳腺断层摄影检查的患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层摄影 | 深度学习模型 | 医学图像 | 499例患者（29-90岁，平均50.5岁） | NA | NA | AUC, 95%置信区间 | NA |